http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임명장(Lim Myung jang),송주현(Song Joo Hyun),문자영(Moon Ja young),강인(Kang In),이효은(Lee Hyo Eun),조재희(Cho Jae hee),왕오호(Wu Hao Wang),장형석(Jang Hyoung seok) 척추신경추나의학회 2007 척추신경추나의학회지 Vol.2 No.2
Objectives : The purpose of this study is to report the image changes of four cases of Lumbar intervertebral disc Herniation after Oriental medicine Treatment Methods : We examined 4 patients with Lumbar intervertebral disc Herniation (HIVD of L-spine) who showed changes on MRI images before/after the treatment among HIVD of L-spine patients who visited Jaseng Hospital of Oriental Medicine from Jan. 2006 to Apr. 2007. Results & Conclusions : In this study, the first MRI examination of HIVD of L-spine patients was performed at the first visit and re-examination of MRI was done after the treatment. We assessed clinical symptoms by using Numerical rating scales(NRS). In each case, the size of the disc herniation was considerably reduced in MRI image. NRS was also reduced significantly.
임명은(Myung Eun Lim),심정섭(Jeong Seop Sim),정명근(Myungguen Chung),박선희(Sun Hee Park) 한국정보과학회 2003 한국정보과학회 학술발표논문집 Vol.30 No.2Ⅱ
접미사 배열이나 접미사 트리는 대용량의 서열데이터를 효율적으로 검색, 저장할 수 있는 인덱스 자료구조로서 바이오인포매틱스와 같이 대용량 데이터의 처리, 분석이 필요한 분야에 이용될 수 있다. 최근 들어 접미사 배열에 대한 연구가 활발히 진행되어 접미사 배열의 효율적인 저장, 선형시간 생성 및 선형시간 탐색 알고리즘들이 개발되었다. 본 논문에서는 같은 전사인자가 결합할 것으로 예상되는 여러 개의 전사조절부위에 대한 DNA 서열들이 입력으로 주어졌을 때 전사인자가 결합하는 부위를 예측하는 방법을 제시한다. 이를 위해 최근에 제시된 선형시간 접미사 배열 생성 알고리즘을 이용하고 TRANSFAC과 EMBL 등의 DB를 이용하여 실험을 통해 본 논문에서 제시하는 방법의 정확도를 평가한다.
ELMo 임베딩 기반 문장 중요도를 고려한 중심 문장 추출방법
김은희(Eun Hee Kim),임명진(Myung Jin Lim),신주현(Ju Hyun Shin) 한국스마트미디어학회 2021 스마트미디어저널 Vol.10 No.1
본 연구는 뉴스 기사에서 기사문을 구성하는 문장별 중요도를 고려하여 요약문을 추출하는 방법에 관한 것으로 문장 중요도에 영향을 주는 특성으로 중심 문장(Topic Sentence)일 확률, 기사 제목 및 다른 문장과의 유사도, 문장 위치에 따른 가중치를 추출하여 문장 중요도를 계산하는 방법을 제안한다. 이때, 중심 문장(Topic Sentence)은 일반 문장과는 구별되는 특징을 가질 것이라는 가설을 세우고, 딥러닝 기반 분류 모델을 학습시켜 입력 문장에 대한 중심 문장 확률값을 구한다. 또한 사전학습된 ELMo 언어 모델을 활용하여 문맥 정보를 반영한 문장 벡터값을 기준으로 문장간 유사도를 계산하여 문장 특성으로 추출한다. LSTM 및 BERT 모델의 중심 문장 분류성능은 정확도 93%, 재현율 96.22%, 정밀도 89.5%로 높은 분석 결과가 나왔으며, 이렇게 추출된 문장 특성을 결합하여 문장별 중요도를 계산한 결과, 기존 TextRank 알고리즘과 비교하여 중심 문장 추출 성능이 10% 정도 개선된 것을 확인할 수 있었다. This study is about a method of extracting a summary from a news article in consideration of the importance of each sentence constituting the article. We propose a method of calculating sentence importance by extracting the probabilities of topic sentence, similarity with article title and other sentences, and sentence position as characteristics that affect sentence importance. At this time, a hypothesis is established that the Topic Sentence will have a characteristic distinct from the general sentence, and a deep learning-based classification model is trained to obtain a topic sentence probability value for the input sentence. Also, using the pre-learned ELMo language model, the similarity between sentences is calculated based on the sentence vector value reflecting the context information and extracted as sentence characteristics. The topic sentence classification performance of the LSTM and BERT models was 93% accurate, 96.22% recall, and 89.5% precision, resulting in high analysis results. As a result of calculating the importance of each sentence by combining the extracted sentence characteristics, it was confirmed that the performance of extracting the topic sentence was improved by about 10% compared to the existing TextRank algorithm.
기능적 시력장애로 의심되었던 환아들에서 시행한 아동행동평가척도와 인성검사
이상미,임명호,경성은.Sang Mi Lee. MD. Myung Ho Lim. MD. Sung Eun Kyung. MD. PhD 대한안과학회 2010 대한안과학회지 Vol.51 No.8
Purpose: To investigate the clinical courses of children with functional visual loss and to evaluate their psychosocial problems. Methods: Thirteen children who visited the ophthalmic clinic of Dankook University Hospital because of functional vision loss between August 1, 2005 and January 1, 2009 were examined to establish the cause of lost vision. The results of the child behavior checklist-Korean version (K-CBCL) and the Korean personality inventory for children (KPI-C) were obtained in nine out of the 13 children. Results: The mean visual acuities at the initial and last visits for nine children in the functional visual loss group were 0.58 ± 0.28 and 0.89 ± 0.31, respectively. Somatic complaints, social problems and overall behavioral problems were statistically significantly different from those of the control group according to the K-CBCL, and somatic concern was statistically significantly different from that of the control group according to the KPI-C. Conclusions: Children in the functional visual loss group had different traits from those in the control group according to the K-CBCL and KPI-C. Children's psychosocial problems could be expressed as somatic symptoms, of which vision loss should be considered a major factor. J Korean Ophthalmol Soc 2010;51(8):1092-1098
김은희(Eun Hee Kim),임명진(Myung Jin Lim),신주현(Ju Hyun Shin) 한국스마트미디어학회 2023 스마트미디어저널 Vol.12 No.11
COVID-19 이후 온라인을 통한 소통이 증가하여 다양한 플랫폼을 기반으로 소통을 위한 대화 텍스트 데이터가 대량으로 축적되고 있다. 텍스트 데이터로부터 유의미한 정보를 추출하기 위한 텍스트 요약에 대한 중요성이 더욱 증가함에 따라 딥러닝을 활용한 추상 요약 연구가 활발하게 이루어지고 있다. 그러나 대화 데이터는 뉴스 기사와 같은 정형화된 텍스트에 비해 누락 및 변형이 많아 대화 상황을 다양한 관점에서 고려해야 하는 특이성이 있다. 특히 어휘 생략과 동시에 내용과 관련 없는 표현 요소들이 대화의 내용을 요약하는 데 방해가 된다. 그러므로 본 연구에서는 한국어 대화 데이터의 특성을 고려하여 발화문을 재구조화하고 KoBART 기반의 사전학습된 텍스트 요약 모델을 파인 튜닝후, 요약문에서 중복 요소를 제거하는 정제 작업을 통해 대화 데이터 요약 성능을 향상시키고자 한다. 발화문을 재구조화하는 방법으로는 발화 순서에 따라 재구조화는 방법과 중심 발화자를 기준으로 재구조화하는 방법을 결합하였다. 대화문 재구조화 방법을 적용한 결과, Rouge-1 점수가 4 정도 향상되었다. 본 연구의 대화 특성을 고려한 재구조화 방법이 한국어 대화 요약 성능 향상에 유의미함을 입증하였다. After COVID-19, communication through online platforms has increased, leading to an accumulation of massive amounts of conversational text data. With the growing importance of summarizing this text data to extract meaningful information, there has been active research on deep learning-based abstractive summarization. However, conversational data, compared to structured texts like news articles, often contains missing or transformed information, necessitating consideration from multiple perspectives due to its unique characteristics. In particular, vocabulary omissions and unrelated expressions in the conversation can hinder effective summarization. Therefore, in this study, we restructured by considering the characteristics of Korean conversational data, fine-tuning a pre-trained text summarization model based on KoBART, and improved conversation data summary perfomance through a refining operation to remove redundant elements from the summary. By restructuring the sentences based on the order of utterances and extracting a central speaker, we combined methods to restructure the conversation around them. As a result, there was about a 4 point improvement in the Rouge-1 score. This study has demonstrated the significance of our conversation restructuring approach, which considers the characteristics of dialogue, in enhancing Korean conversation summarization performance.